• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2010년 춘계학술발표회 논문집
• /
• pp.231-233
• /
• 2010

Many algorithms for processing LIDAR data are being developed for diverse applications not limited to patch segmentation, bare-earth filtering and building extraction. However, since we cannot exactly know the true locations of LIDAR points, it is difficult to assess the performance of a LIDAR data processing algorithm. In this paper, we thus attempted the performance assessment of the segmentation algorithm developed by Lee (2006) using the LIDAR data generated through simulation based on sensor modelling. Consequently, based on simulation, we can perform the performance assessment of a LIDAR processing algorithm more objectively and quantitatively with an automatic procedure.

• 대한원격탐사학회지
• /
• 제25권6호
• /
• pp.547-557
• /
• 2009

LIDAR (LIght Detection And Ranging) is an active remote sensing technology which provides 3D coordinates of the Earth's surface by performing range measurements from the sensor. Early small footprint LIDAR systems recorded multiple discrete returns from the back-scattered energy. Recent advances in LIDAR hardware now make it possible to record full digital waveforms of the returned energy. LIDAR waveform decomposition involves separating the return waveform into a mixture of components which are then used to characterize the original data. The most common statistical mixture model used for this process is the Gaussian mixture. Waveform decomposition plays an important role in LIDAR waveform processing, since the resulting components are expected to represent reflection surfaces within waveform footprints. Hence the decomposition results ultimately affect the interpretation of LIDAR waveform data. Computational requirements in the waveform decomposition process result from two factors; (1) estimation of the number of components in a mixture and the resulting parameter estimates, which are inter-related and cannot be solved separately, and (2) parameter optimization does not have a closed form solution, and thus needs to be solved iteratively. The current state-of-the-art airborne LIDAR system acquires more than 50,000 waveforms per second, so decomposing the enormous number of waveforms is challenging using traditional single processor architecture. To tackle this issue, four parallel LIDAR waveform decomposition algorithms with different work load balancing schemes - (1) no weighting, (2) a decomposition results-based linear weighting, (3) a decomposition results-based squared weighting, and (4) a decomposition time-based linear weighting - were developed and tested with varying number of processors (8-256). The results were compared in terms of efficiency. Overall, the decomposition time-based linear weighting work load balancing approach yielded the best performance among four approaches.

• 전자공학회논문지
• /
• 제52권12호
• /
• pp.150-157
• /
• 2015

보행자 인식은 차량자율주행 및 사고방지를 위해 중요한 요소기술로서 많이 연구되고 있다. 이 기술들은 크게 카메라기반과 LIDAR 기반, 두 가지로 구별할 수 있다. 카메라 기반 방법과 대비되어 LIDAR 기반 방법은 화각이 넓고 조도환경에 영향을 받지 않는다는 강점이 있다. 하지만 LIDAR 기반 방법은 먼 물체를 인식하기엔 센서 해상도가 낮고, 복잡한 환경에서는 분할 오류나 폐색 등의 원인으로 인식률이 낮아진다는 문제점이 있다. 본 논문에서는 3차원 LIDAR 기반 보행자 탐지 알고리즘의 낮은 인식률을 개선시키기 위해 다중객체추적 기법의 하나인 GM-PHD 필터를 이용한 두 가지 성능 향상 방법을 제안한다. 첫 번째 방법은 GM-PHD 필터를 이용해 이전 프레임의 포인트를 현재 프레임의 물체에 자동으로 누적하여 물체 해상도 및 보행자 분류 성능을 향상시킨다. 두 번째 방법은 인식 성능이 낮은 상황에 맞춰 개선된 GM-PHD 필터를 분류된 다중객체에 적용하여 탐지 성능을 더욱 강화시킨다. 직접 취득한 도로 주행 데이터에 두 방법을 적용하여 제안한 방법이 기존의 보행자 탐지 알고리즘 성능을 대폭 향상시키는 것을 정량적으로 증명하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.150-152
• /
• 2003

Laser scanned lidar data record 3D surface information in detail. Exploring valuable spatial information from lidar data is a prerequisite task for its applications, such as DEM generation and 3D building model reconstruction. However, the inherent spatial information is implicit in the abundant, densely and randomly distributed point cloud. This paper proposes a novel method to organize point cloud data, so that further analysis or feature extraction can proceed based on a well organized data model. The principle of the proposed algorithm is to segment point cloud into 3D planes. A split and merge segmentation based on the octree structure is developed for the implementation. Some practical airborne and ground lidar data are tested for demonstration and discussion. We expect this data organization could provide a stepping stone for extracting spatial information from lidar data.

• 방송공학회논문지
• /
• 제13권2호
• /
• pp.236-244
• /
• 2008

본 논문에서는 칼라 세그멘테이션, 에지 정합, 지각적 그룹핑 등을 사용하여 Lidar 데이터와 광학 영상의 정보 융합에 의한 새로운 구조물 검출 및 복원 알고리듬을 제안한다. 제안하는 알고리듬은 두 가지 단계로 구성된다. 첫 번째로, 항공 Lidar 데이터로부터 초기 구조물 추출 결과와 영상의 칼라 세그멘테이션 결과를 사용하여 coarse building boundary를 추출한다. 두 번째로, coarse building boundary와 에지 정합 및 지각적 그룹핑에 의해 보다 정밀한 구조물 추출 결과인 precise building boundary를 추출한다. 본 논문에서 제안하는 알고리듬은 보다 신뢰성 있는 구조물 검출을 위해, 광학 영상으로부터 칼라 정보를 사용한다. 이를 통해, Lidar에 의해 획득된 붕괴된 형태의 구조물 외곽선을 보완한다. 또한, 인공지물의 특징으로서, 에지의 직선성 및 다면체 형태의 지붕모양을 반영함으로써 신뢰성 있는 구조물을 검출한다. 다중 센서 데이터에 대한 실험은 제안하는 알고리듬이 Lidar 단일 센서 결과에 비해 정밀하고 신뢰성 있는 결과를 보여준다.

• 대한공간정보학회지
• /
• 제18권2호
• /
• pp.119-129
• /
• 2010

라이다데이터를 이용한 다양한 활용알고리즘이 개발되고 있지만, 대부분의 제안된 알고리즘은 정성적인 검증만이 수행되고 있다. 알고리즘의 객관적이고 정량적인 검증을 위해서는 대상에 대한 참값(true value)을 알아야 하지만, 라이다데이터는 데이터 특성상 참값을 알기 어렵다. 본 연구에서는 모의 라이다데이터는 분할 알고리즘의 성능을 평가할 수 있는 참값을 가지고 있다는 점에 착안하여, 모의 라이다데이터를 이용하여 분할 알고리즘의 성능을 보다 객관적/정량적으로 평가해보고자 하였다. 이를 위해 먼저, 1) 분할 알고리즘의 결과를 객관적으로 가늠할 수 있는 정량적인 평가요소들을 정의하고, 2) 3차원 도시모델을 입력 데이터로 모의 라이다데이터를 생성한 후, 3) 분할알고리즘을 적용하여 객체표면을 나타내는 평면패치를 생성하였다. 마지막으로 4) 성능평가지표를 기준으로 생성된 패치에 대한 분석을 자동화하여 수행하였다.

• 한국측량학회지
• /
• 제33권3호
• /
• pp.173-179
• /
• 2015

In this paper, object-based classification of urban areas based on a combination of information from lidar and aerial images is introduced. High resolution images are frequently used in automatic classification, making use of the spectral characteristics of the features under study. However, in urban areas, pixel-based classification can be difficult since building colors differ and the shadows of buildings can obscure building segmentation. Therefore, if the boundaries of buildings can be extracted from lidar, this information could improve the accuracy of urban area classifications. In the data processing stage, lidar data and the aerial image are co-registered into the same coordinate system, and a local maxima filter is used for the building segmentation of lidar data, which are then converted into an image containing only building information. Then, multiresolution segmentation is achieved using a scale parameter, and a color and shape factor; a compactness factor and a layer weight are implemented for the classification using a class hierarchy. Results indicate that lidar can provide useful additional data when combined with high resolution images in the object-oriented hierarchical classification of urban areas.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.153-155
• /
• 2003

Laser scanning has become a viable technique for the collection of a large amount of accurate 3D point data densely distributed on the scanned object surface. The inherent 3D nature of the sub-randomly distributed point cloud provides abundant spatial information. To explore valuable spatial information from laser scanned data becomes an active research topic, for instance extracting digital elevation model, building models, and vegetation volumes. The sub-randomly distributed point cloud should be segmented and classified before the extraction of spatial information. This paper investigates some exist segmentation methods, and then proposes an octree-based split-and-merge segmentation method to divide lidar data into clusters belonging to 3D planes. Therefore, the classification of lidar data can be performed based on the derived attributes of extracted 3D planes. The test results of both ground and airborne lidar data show the potential of applying this method to extract spatial features from lidar data.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.702-704
• /
• 2022

자율주행 시뮬레이터를 위한 대체재로 게임 엔진을 통한 가상 환경 모의 연구가 수행되고 있다. 하지만 게임 엔진에서는 자율 주행에 필요한 센서를 기기에 맞게 사용자가 직접 모델링을 해줘야 하기 때문에 개발 비용이 크게 작용된다. 특히, Ray 를 활용한 3D LIDAR 는 GPU(Graphics Processing Unit) 사용량이 많은 작업이기 때문에 저비용 시뮬레이터를 위해서는 저비용 3D LIDAR 모의가 필요하다. 본 논문에서는 낮은 컴퓨터 연산을 사용하는 C++ 기반 3D LIDAR 모의 프레임 워크를 제안한다. 제안된 3D LIDAR 는 다수의 언덕으로 이루어진 비포장 Map 에서 성능을 검증 하였으며, 성능 검증을 의해 본 논문에서 생성된 3D LIDAR 로 간단한 LPP(Local Path Planning) 생성 방법도 소개한다. 제안된 3D LIDAR 프레임 워크는 저비용 실시간 모의가 필요한 자율 주행 분야에 적극 활용되길 바란다.

• 대한임베디드공학회논문지
• /
• 제10권3호
• /
• pp.179-188
• /
• 2015

We propose obstacle classification method based on 2D LIDAR(Light Detecting and Ranging) database. The existing obstacle classification method based on 2D LIDAR, has an advantage in terms of accuracy and shorter calculation time. However, it was difficult to classifier the type of obstacle and therefore accurate path planning was not possible. In order to overcome this problem, a method of classifying obstacle type based on width data of obstacle was proposed. However, width data was not sufficient to improve accuracy. In this paper, database was established by width, intensity, variance of range, variance of intensity data. The first classification was processed by the width data, and the second classification was processed by the intensity data, and the third classification was processed by the variance of range, intensity data. The classification was processed by comparing to database, and the result of obstacle classification was determined by finding the one with highest similarity values. An experiment using an actual autonomous vehicle under real environment shows that calculation time declined in comparison to 3D LIDAR and it was possible to classify obstacle using single 2D LIDAR.